偏倚采样条件下传染病动态传播的置信度评估

在传染病（如 2020 年 COVID-19 疫情）传播过程中，对采样数据的解释在政策应对中起着关键作用。然而，由于现实世界条件的复杂性以及诊断试剂可得性的限制（使得检测必然偏向有症状个体），这是一项不平凡的工作。为了得出准确结论，必须深入理解采样置信度与偏倚。在本稿件中，我们提供了一个用于评估疾病指标（如趋势检测、峰值检测和疾病传播估计）置信度的采样随机模型。我们的模型在已知动态的传染病中模拟疾病检测，使我们能够使用蒙特卡洛采样来评估指标置信度。该模型可提供真实的模拟数据，用于数据分析与预测方法的设计和校准。作为示例，我们使用该方法表明，每天使用少于 $10000$ 份偏倚样本即可识别疾病趋势，而每天额外使用 $1000-2000$ 份无偏样本可估计疾病传播情况。我们还证明，通过求取动态峰值查找策略的精确率与召回率，该模型可用于评估更先进的指标。